我不确定这背后的原因是什么。
我有一个包含107个变量的数据集（混合了数字和因子数据类型），其中一些包含缺失值。我使用鼠标来估算数据。
MICE估算了大多数变量的数据。但是，有些变量根本没有估算。
虽然有些变量被成功估算，但有些变量没有成功，这是非常奇怪的。我还尝试仅在没有成功估算的变量上运行MICE，这一次，它成功了。
这背后的原因是什么？它与我的数据集中的变量数量有什么关系吗？我该如何解决这个问题，还是需要为每个变量单独运行鼠标？
非常感谢，
编辑我现在发出代码来复制我的意思。
> #create data set with NAs
> iris.fake = prodNA(iris, noNA = 0.9)
> iris.fake.miss <- aggr(iris.fake)
> iris.fake.miss$missings
Variable Count
Sepal.Length Sepal.Length 138
Sepal.Width Sepal.Width 137
Petal.Length Petal.Length 138
Petal.Width Petal.Width 131
Species Species 131
>
> #run mice
> imp = mice(iris.fake, m = 5, maxit = 5)
iter imp variable
1 1 Sepal.Width Petal.Length Petal.Width Species
1 2 Sepal.Width Petal.Length Petal.Width Species
1 3 Sepal.Width Petal.Length Petal.Width Species
1 4 Sepal.Width Petal.Length Petal.Width Species
1 5 Sepal.Width Petal.Length Petal.Width Species
2 1 Sepal.Width Petal.Length Petal.Width Species
2 2 Sepal.Width Petal.Length Petal.Width Species
2 3 Sepal.Width Petal.Length Petal.Width Species
2 4 Sepal.Width Petal.Length Petal.Width Species
2 5 Sepal.Width Petal.Length Petal.Width Species
3 1 Sepal.Width Petal.Length Petal.Width Species
3 2 Sepal.Width Petal.Length Petal.Width Species
3 3 Sepal.Width Petal.Length Petal.Width Species
3 4 Sepal.Width Petal.Length Petal.Width Species
3 5 Sepal.Width Petal.Length Petal.Width Species
4 1 Sepal.Width Petal.Length Petal.Width Species
4 2 Sepal.Width Petal.Length Petal.Width Species
4 3 Sepal.Width Petal.Length Petal.Width Species
4 4 Sepal.Width Petal.Length Petal.Width Species
4 5 Sepal.Width Petal.Length Petal.Width Species
5 1 Sepal.Width Petal.Length Petal.Width Species
5 2 Sepal.Width Petal.Length Petal.Width Species
5 3 Sepal.Width Petal.Length Petal.Width Species
5 4 Sepal.Width Petal.Length Petal.Width Species
5 5 Sepal.Width Petal.Length Petal.Width Species
> summary(imp)
Multiply imputed data set
Call:
mice(data = iris.fake, m = 5, maxit = 5)
Number of multiple imputations: 5
Missing cells per column:
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
138 137 138 131 131
Imputation methods:
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
"pmm" "pmm" "pmm" "pmm" "polyreg"
VisitSequence:
Sepal.Width Petal.Length Petal.Width Species
2 3 4 5
PredictorMatrix:
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Sepal.Length 0 0 0 0 0
Sepal.Width 0 0 1 1 1
Petal.Length 0 1 0 1 1
Petal.Width 0 1 1 0 1
Species 0 1 1 1 0
Random generator seed value: NA
>
> com = complete(imp,2)
> iris.imp.miss <- aggr(com)
> iris.imp.miss$missings
Variable Count
Sepal.Length Sepal.Length 138
Sepal.Width Sepal.Width 0
Petal.Length Petal.Length 0
Petal.Width Petal.Width 0
Species Species 0